【技术实现步骤摘要】
本专利技术属于风力发电，涉及一种基于lightgbm的风电场站效率预测方法及相关装置。
技术介绍
1、风电发电容量占比不断提高，风电领域在过去几十年里得到了迅速发展。
2、风能作为一种清洁的可再生能源，在全球范围内得到越来越多的关注与投资。与传统能源相比，风力发电具有低碳、环保的优点。然而，风能投资成本较高，尤其是在风电场站建设和设备部署阶段，需要大量资金支持。因此，在风电场建设之前，精准的效率预测成为必不可少的环节。通过风力预测模型和相关环境数据，可以合理评估潜在风电场站的发电能力，进而为投资者提供科学决策支持。
3、目前，风电场站的效率预测主要依赖于气象数据(如风速、气温、湿度等)及历史发电数据。传统的风力发电量估算方法存在许多局限性，如模型简单、预测精度不足等。近年来，随着机器学习技术的发展，基于数据驱动的预测模型为风电场效率评估提供了新的可能性。通过机器学习模型，能够基于历史数据对风电场的效率进行精确预测，进而优化风电场的运行策略。
技术实现思路
1、本专利...
【技术保护点】
1.一种基于LightGBM的风电场站效率预测方法，其特征在于，包括：
2.根据权利要求1所述的基于LightGBM的风电场站效率预测方法，其特征在于，所述风电场的气象数据包括风速、温度、湿度以及气压数据，所述辅助特征包括风速平方以及空气密度的变化率。
3.根据权利要求1所述的基于LightGBM的风电场站效率预测方法，其特征在于，所述将所述当前风电场的气象数据及辅助特征输入到训练后的风电场站发电效率预测模型中之前还包括：
4.根据权利要求1所述的基于LightGBM的风电场站效率预测方法，其特征在于，还包括：
5.根据...
【技术特征摘要】
1.一种基于lightgbm的风电场站效率预测方法，其特征在于，包括：
2.根据权利要求1所述的基于lightgbm的风电场站效率预测方法，其特征在于，所述风电场的气象数据包括风速、温度、湿度以及气压数据，所述辅助特征包括风速平方以及空气密度的变化率。
3.根据权利要求1所述的基于lightgbm的风电场站效率预测方法，其特征在于，所述将所述当前风电场的气象数据及辅助特征输入到训练后的风电场站发电效率预测模型中之前还包括：
4.根据权利要求1所述的基于lightgbm的风电场站效率预测方法，其特征在于，还包括：
5.根据权利要求4所述的基于lightgbm的风电场站效率预测方法，其特征在于，第i个输入参数的shapley值φi为：
6.一种基于lightgbm的风电场站效率预测系统，...
【专利技术属性】
技术研发人员：陈仓，张国辉，董宇鹏，永胜，吴巍，孙学昌，李晓博，兰昊，于博文，闫俞廷，顾盛明，郭巍，姚玲玲，张琰骏，
申请(专利权)人：华能通辽风力发电有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。